RM82 ES细胞系中MMP14下调的转录组图谱
该数据集为RM82尤文肉瘤(ES)细胞系中MMP14下调后的转录组图谱,来源于omicsdi.org,归类为肿瘤/其他。源站描述围绕Endoglin(ENG)这一间充质干细胞标志物展开,指出其由MMP14从细胞表面脱落至胞外,并在尤文肉瘤患者样本中被发现;尤文肉瘤为儿童高发恶性骨/软组织肿瘤,诊断时

基本信息
资源简介
RM82 ES细胞系中MMP14下调的转录组图谱
该数据集为RM82尤文肉瘤(ES)细胞系中MMP14下调后的转录组图谱,来源于omicsdi.org,归类为肿瘤/其他。源站描述围绕Endoglin(ENG)这一间充质干细胞标志物展开,指出其由MMP14从细胞表面脱落至胞外,并在尤文肉瘤患者样本中被发现;尤文肉瘤为儿童高发恶性骨/软组织肿瘤,诊断时约30%患者已发生转移且预后不良,现有化疗对晚期疾病效果有限,针对ENG的抗体药物偶联物(ADC)因此受到关注。该转录组数据可用于研究MMP14下调对RM82细胞基因表达的影响及相关分子机制(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):Endoglin(ENG)是一种间充质干细胞(MSC)标志物,主要在活跃的内皮和某些癌症类型中高表达。这种跨膜蛋白由基质金属蛋白酶14(MMP14)脱落至细胞外区室。此前,ENG已在尤文肉瘤(ES)患者样本中被鉴定,ES是一种骨/软组织肿瘤,推测起源于MSC。ES是一种主要的儿童恶性肿瘤,诊断时转移发生率高,约30%患者,与预后不良相关。当前化疗治疗未能对晚期疾病产生显著影响,这一情况更加恶化。在ES的临床环境中,靶向治疗显得极具吸引力。鉴于高比例患者呈现ENG细胞表面表达,研究了针对ENG的抗体药物偶联物(ADC)。抗ENG ADC发挥了
【主题与分类】
主题标签:Transcriptomics。本站分类:肿瘤。
【获取与许可】
源站页面:https://omicsdi.org/dataset/geo/GSE173143
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://omicsdi.org/dataset/geo/GSE173143
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
内皮联蛋白(ENG)是一种间充质干细胞(MSC)标志物,主要在活跃的内皮细胞及某些癌症类型中高表达。这种跨膜蛋白可被基质金属蛋白酶14(MMP14)从细胞表面脱落至细胞外空间。此前,已在尤文肉瘤(ES)患者样本中鉴定出ENG的表达;ES是一种骨/软组织肿瘤,推测起源于间充质干细胞。ES是一种主要的儿童恶性肿瘤,诊断时转移发生率较高,约30%的患者伴有不良预后。当前化疗方案对晚期疾病难以取得显著疗效,这一现状使情况更加严峻。在ES的临床治疗背景下,靶向治疗展现出强烈的吸引力。鉴于高比例的患者在细胞表面呈现ENG表达,针对ENG的抗体-药物偶联物(ADC)已被研究。抗ENG ADC在体内和体外ES模型中均发挥了ENG依赖性和剂量依赖性的抗增殖作用。这些结果提示,使用ENG-ADC可能在ES治疗中具有潜在获益。
由于ENG和MMP14在ES患者中的表达存在差异,因此在一组82名患者队列中进行了生存研究,该队列根据其临床阶段(原发、化疗后原发、转移和复发)进行分类。ENG和MMP14均与较差的预后相关。功能实验表明,ENG调节迁移,可能通过应力纤维和丝状伪足中肌动蛋白的正确组装,同时对细胞的粘附能力产生伴随影响。此外,ENG被证实通过促进粘着斑激酶磷酸化和蛋白激酶C表达,在粘着斑信号传导的激活中起重要作用。总体而言,这些结果表明ENG作为衔接蛋白在ES细胞正确的迁移机制中发挥主要作用。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




